Cpk 1.33 为什么等于 4σ？西格玛水平、Z值、良率一条线讲清

学西格玛让人头疼的不是公式，是这几个概念总在打架。

看到 σ，以为在讲"几西格玛"；看到 Z 值，不知道它跟 Cpk 什么关系；看到 6σ=3.4 PPM，又纳闷按正态分布直接算根本不是这个数，为什么教材和培训里一直这么讲。

先看三个现场。

车间月度质量会，A 线的品质工程师报："我们这个尺寸现在是 4σ 水平。"B 线的工程师接着说："我们 Cpk 1.33。"

两个人说的其实是同一件事——B 线的 Cpk 1.33，换算过来正好是 4σ。但 A 线这句"4σ水平"说完，会长停了半秒，因为谁也说不清：这个 4σ 是短期的还是长期的，用的是组内标准差还是总标准差，偏心了没有。

这句话没说错，但也没说完整。而"没说完整"这件事，在审核、报价、客户对标、体系审核的场合，是要出事的。

下面把这条链从头到尾捋一遍。捋完之后，题目换个问法、软件换个输出，你都能顺着逻辑自己推出来，不用再死背对应表。

一、先把四个数的分工定下来

各管一段，别互相串台

混淆的根源，是这四个数看起来都在描述"过程好不好"，但它们盯的其实不是同一件事。先给一张分工表：

符号 它是什么 它回答的问题 σ 标准差 数据有多散？波动有多大 Z 离规格限的 σ 距离 规格边界离过程中心还有多远 Cpk 过程能力指数 这段距离换算成公差占用比是多少 PPM 百万分之的不良数 按这个能力跑，会留下多少不良

一句话记住：σ 是过程自己的事，Z 是过程跟规格的事，Cpk 是把两者换算成一个比值，PPM 和良率是这个比值兑现出来的结果。

二、σ 本身不是"西格玛水平"

它只是把"散"量化了一下

σ 在统计里就是标准差，直接的作用是描述数据有多分散。

举个例子。两台设备都在加工直径 20 mm 的轴，平均值都是 20.00 mm。

A 设备的数据大多落在 19.99～20.01 mm 之间；B 设备却经常跑到 19.90～20.10 mm。

中心一样，但 A 明显更稳。描述"稳不稳"的那个量，就是 σ。σ 越小，数据越集中；σ 越大，数据越分散。

所以"标准差 σ"和"西格玛水平"根本不是一回事。我们平时说一个过程做到了"4σ""5σ"，不是指标准差等于 4 或 5，而是指：

从过程中心到规格边界，大概还能放下几个标准差

搞懂这一句，后面的 Z 值就顺了。

三、Z 值：过程中心离规格限还有几个 σ

这就是"几西格玛"的字面意思

假设某个尺寸的平均值是 10.00 mm，标准差 σ=0.05 mm，上规格限 USL=10.20 mm。

从均值到上规格限一共差：

10.20 − 10.00 = 0.20 mm

Z = 0.20 ÷ 0.05 = 4

也就是说，从过程中心到上规格限，大约有 4 个标准差的距离。这就是"4σ 水平"直观的理解方式。

如果这个过程刚好居中、上下规格也对称，那两边都还剩 4σ 的余量。

但生产现场，过程经常偏。标准差还是 0.05 mm，均值从 10.00 漂到 10.05，上规格限还是 10.20 mm，那么靠近上限这一侧就只剩：

(10.20 − 10.05) ÷ 0.05 = 3

波动一点没变，但因为中心偏了，原来的 4σ 就掉成了 3σ。

所以看西格玛水平，不能只看波动大小，还要看过程有没有偏心。只报波动、不报偏心，是现场常见的失分点。

四、Cpk 和 Z 值为什么能直接换算

它们问的是同一个距离，只是量纲不同

Cpk 的公式，本质上也是在看过程中心到较近的那个规格限还有多远。

Cpk = min[(USL − μ) / 3σ，(μ − LSL) / 3σ]

Z = min[(USL − μ) / σ，(μ − LSL) / σ]

两个式子放在一起看，很清楚：Z = 3 × Cpk。

于是就有了现场常见的那张对应关系：

Cpk Z 值 对应水平 居中时双边 PPM 1.00 3 3σ 2,700 1.33 4 4σ 63.3 1.67 5 5σ 0.57 2.00 6 6σ 0.002

右起第二列是过程完全居中、按纯正态分布直接算的双边不良率。这也是现场总把"Cpk 1.33"和"4σ 水平"放一起说的原因。

这里有个前提，比对应表本身更重要：口径必须一致。

如果 Cpk 用的是短期组内标准差 σwithin，而你拿来对照的 Z 值却是长期表现 Zbench，两边当然对不上。很多人不是公式不会，是把不同口径的结果硬放到一起比。

五、Z 值怎么连到 PPM 和良率

距离越远，落到规格外的概率越低

知道过程中心离规格限有几个 σ 以后，就可以进一步估算会有多少数据跑到规格外。

假设过程近似正态，而且中心刚好位于规格中间。如果上下规格离均值都是 ±3σ，那么两边合起来超规格的概率大约是 0.27%，换算一下就是大约 2700 PPM。

PPM 说白了就是"百万分之多少"，公式很简单：

PPM = 不良数 ÷ 总数 × 1,000,000

比如 100 万件产品里有 500 件不良，就是 500 PPM。对应的良率就是：

1 − 500 / 1,000,000 = 99.95%

所以西格玛水平越高，规格边界离过程中心越远，落到规格外的概率越低，PPM 随之下降。几个概念名字不同，其实在从不同角度描述同一件事：

过程分布离规格到底有多远，可能产生多少不良。

六、"6σ = 3.4 PPM"这句话是怎么来的

这是六西格玛里容易被绕晕的一句话

如果一个完全居中的正态过程，上下规格离均值都是 6σ，那理论上超规格的概率远远小于 3.4 PPM——按纯数学算，双边只有约 0.002 PPM。

那 3.4 是哪来的？

经典六西格玛体系在表达长期能力时，会引入一个1.5σ 漂移的假设。

意思是：短期看，过程中心可能很稳定；但拉长到几个月、几个季度，考虑设备磨损、材料批次、环境温度、人员换班这些变化，过程中心会发生一定漂移。

原来短期有 6σ 的余量，如果长期往一侧漂了 1.5σ，那么风险更高的一侧就相当于只剩 4.5σ。而 4.5σ 的单侧尾部概率约为 3.4 PPM。

6σ = 3.4 PPM，不是拿 ±6σ 的正态分布直接算出来的，而是带了 1.5σ 长期漂移假设。

顺着这个假设，可以把长期口径的对照表列出来。注意右两列才是教材和培训里常引用的那一套：

标称水平 漂移后实际距离 DPMO 良率 3.0σ 1.5σ 66,807 93.32% 4.0σ 2.5σ 6,210 99.379% 5.0σ 3.5σ 233 99.9767% 6.0σ 4.5σ 3.4 99.99966% 6.5σ 5.0σ 0.29 99.99997%

这张表是理解后面 Zbench、Cpk、Ppk、PPM 的地基。如果 1.5σ 漂移这一点不分清，后面的数越看越乱。

七、短期能力和长期表现，别混着算

这在实操里比背对应表重要得多

Cpk 更多关注过程在相对短期条件下的潜在能力，Ppk 则更接近长期整体表现。

说得再直白一点：Cpk 像是在问"这个过程本来能做到什么程度"，Ppk 像是在看"这段时间实际表现成了什么样"。

对比项 Cpk Ppk 用的 σ 短期组内标准差 σwithin 长期总标准差 σoverall 代表什么 过程潜在能做到多好 这段时间实际做到了多好 两者接近 说明过程稳定，没有明显漂移 Ppk 明显更差 过程长期存在漂移、批次差异、换班差异或工装磨损 Z 值口径 短期 Z 长期 Z / Zbench

所以下次听到有人说"我们这个过程是 5σ"，先问一句：

他说的是短期 Z 还是长期 Z？用的哪个 σ？过程偏了没有？

不然后面三个人嘴里说的"5σ"，根本不是同一个东西。

八、算一个真实的例子，看清偏心的代价

同一个 σ，两种中心，结果差 20 倍

某机加件的关键尺寸，公差 ±0.05 mm。近期数据显示：

规格：LSL = −0.05 mm，USL = +0.05 mm
均值 μ = +0.012 mm
标准差 σ = 0.010 mm

先算 Cpk：

Cpk = min[(0.05 − 0.012) / 0.03，(0.012 + 0.05) / 0.03]
= min[1.267, 2.067] =1.27

对应 Z = 3 × 1.27 = 3.8。这个水平下，按正态分布算，超规格合计大约 72 PPM，良率 99.993%。

现在把均值拉回 0，σ 不变，还是 ±0.05 的公差：

Z = 0.05 / 0.010 =5.0
双边 PPM ≈ 0.57，良率 99.99994%

加工设备一台没换、刀具没换、原材料没变，只是把过程中心从 +0.012 拉回 0，不良率就从 72 PPM 降到 0.57 PPM，差了一百多倍。

这就是为什么现场先做 centering（对中），再做 capability（能力分析）。能力不足一半的原因，通常是偏心，不是波动。

九、实际做过程能力，顺序比换算更重要

拿到数据以后，别急着算

现场常犯的一个错，就是拿到一组数据，往往是先算 Cpk，然后再换算成"几西格玛"。

顺序其实反了。测量系统本身不可靠，GRR 很差，后面算出来的 σ、Cpk、Z 值都没多大意义；控制图已经出现明显趋势、跳点，过程本身都不稳定，这时候拿一个 Cpk 出来说"能力达标"，参考价值也很有限；数据明显偏态却直接套正态分布换算 PPM，也会和实际不良率差出一大截。

更实用的顺序是这四步：

动手算之前，先过这四关

①测量系统可靠吗？GRR 是否在可接受范围内

②过程稳定吗？控制图有没有趋势、跳点、周期性

③数据分布和模型合适吗？偏态数据是否做了正态性检验

④第四步才看 Cpk、Z 值、西格玛水平和 PPM

如果只是软件一跑，看到 Cpk=1.67，就直接宣布"我们达到 5σ"，很容易把过程想简单了。

还有一个常被问到的点：算出来的 PPM 和实际不良率对不上怎么办？先别急着怀疑软件，按这个顺序排查——

PPM 对不上时的排查清单

· 用的 σ 是短期还是长期，口径一致吗

· 加上 1.5σ 漂移假设了吗

· 过程居中了吗，还是带偏心算的

· 数据分布真的接近正态吗

· 分母是理论总数还是实际投入数

十、速查表：一页看完

收藏这一张就够用

概念 一句话 σ 数据有多散。σ 小则集中，σ 大则分散 西格玛水平 规格边界离过程中心还能放下几个标准差 Z 值 过程中心到较近规格限的 σ 距离，有短期与长期之分 Cpk 短期能力指数。Z = 3 × Cpk Ppk 长期表现指数。与 Cpk 差距大，说明过程在漂 PPM 不良数 ÷ 总数 × 100 万。良率 = 1 − PPM ÷ 100 万 1.5σ 漂移 长期口径的换算前提。6σ = 3.4 PPM 就来自它

真正把这套关系弄懂，就不用死背对应表了

σ 告诉你过程有多散，Z 告诉你规格限离过程中心有几个 σ，Cpk 把这段距离换成一个能力比值，PPM 和良率再告诉你这个能力对应多少不良。题目换个写法、软件换个输出，你都能顺着逻辑把它们重新推出来。

加群或咨询六西格玛绿带、黑带课程具体内容

扫码添加客服企业微信号咨询

聊一个具体的场景

你手上那份过程能力报告，用的是短期还是长期的 σ？下次汇报前不妨翻回去看一眼。

本文为质量管理实务类经验分享，文中数值均为教学演示用算例。所涉培训证明为培训经历证明，非认证、非职业资格、非学历证明，不构成认证或就业承诺。